Hello and welcome back to TechCrunch Space. What a week! In the same seven-day period, we watched Boeing’s Starliner launch astronauts to space for the first time, and then we…
![TechCrunch | Startup and Technology News](https://cdn-ak-scissors.b.st-hatena.com/image/square/92584d6251feb0822f349cf0211361b2833c9939/height=288;version=1;width=512/https%3A%2F%2Ftechcrunch.com%2Fwp-content%2Fuploads%2F2018%2F04%2Ftc-logo-2018-square-reverse2x.png)
ドラえもんや鉄腕アトムのような、人間と自然に会話ができる人工知能は本当に生まれるのか――。NTTで人工知能による雑談対話を研究している東中竜一郎さんに聞く本インタビュー。本記事(後編)では、対話研究の最先端、そして対話システムや人工知能のこれからについてお話を伺っていく。 前編はこちら→人工知能と人が、本当の意味で“話せる”ようになる日 中編はこちら→なぜ“マツコロイド”と“マツコ”の雑談は失敗したのか? 雑談対話に特化したシステムやアルゴリズム、超指向性マイクなど、最先端の技術を使っても、人間と人工知能が雑談を続けるのは難しい。 対話というのは繊細なもので、不自然な間が空いてしまったり、返答に脈絡がないと感じたりしてしまえば、人は会話を続けるモチベーションが削がれてしまう。対話が“破綻”してしまうのだ。NTTで人工知能による雑談対話を研究している東中竜一郎さんは現在、この対話破綻を少なく
ホーキング博士、イーロン・マスクが支持。AIの叛乱を防げるかもしれない「AI開発 23原則」2017.02.13 18:319,590 scheme_a スカイネットが完成したら困りますからね。 世界的なSF作家 アイザック・アシモフは、ロボットの叛乱を防ぐために、将来いくつかの原則をロボットにプログラムしなければならなくなると予言しました。しかしその前に、安全で責任感のあるAI開発を行なうための、より基礎的なルールが必要です。つい先日行なわれたとある集会はまさしくその為で、人間がAIによって破滅に追い込まれるなんてことがないように、専門家のグループがAI開発における23項目の原則を提唱しました。 「23 Asilomar AI Principles」(アシロマAI 23原則)と名付けられたこのガイドラインは、AIの研究・倫理・将来の危険性に関する3つの問題に触れており、研究戦略やデータ所
IoT推進コンソーシアム、総務省及び経済産業省は、カメラ画像について、その特徴を踏まえつつ利活用の促進を図るため、事業者が、生活者とそのプライバシーを保護し、適切なコミュニケーションをとるにあたっての配慮事項を整理した「カメラ画像利活用ガイドブックver1.0」を作成しましたので公表します。 総務省及び経済産業省が事務局を務める「IoT推進コンソーシアム データ流通促進ワーキンググループ」(座長:森川博之 東京大学先端科学技術研究センター教授)では、「カメラ画像利活用サブワーキンググループ」(座長:菊池浩明 明治大学総合数理学部先端メディアサイエンス学科教授)を設置し、事業者の利活用ニーズが高い一方で、生活者とのコミュニケーションに課題があるカメラ画像について、ユースケースを取り上げ、プライバシーにも配慮したカメラ画像の利活用について検討を進めてきました。 今般、同サブワーキンググループで
Sandy Huang†, Nicolas Papernot‡, Ian Goodfellow§, Yan Duan†§, Pieter Abbeel†§ †University of California, Berkeley, Department of Electrical Engineering and Computer Sciences ‡Pennsylvania State University, School of Electrical Engineering and Computer Science §OpenAI Abstract — Machine learning classifiers are known to be vulnerable to inputs maliciously constructed by adversaries to force misclas
Computer Science Department, Stanford University, Stanford, CA 94305 USA Abstract Direct policy search can effectively scale to high-dimensional systems, but complex policies with hundreds of parameters often present a challenge for such methods, requiring numerous samples and often falling into poor local optima. We present a guided policy search algorithm that uses trajectory optimization to dir
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く